动态规划——01背包问题

  先举个例子01背包问题具体例子：假设现有容量15kg的背包，另外有4个物品，分别为a1，a2，a3, a4。物品a1重量为3kg，价值为4；物品a2重量为4kg，价值为5；物品a3重量为5kg，价值为6, a4重6千克，价值为7。将哪些物品放入背包可使得背包中的总价值最大？

对于这样的问题，如果如上述所涉及的数据比较少的时候，我们通过列举就能算出来，例如，上边的例子的答案是：将a4和a3与a2放入背包中，这样总重量为6+5+4=15，总价值为5+6+7=18，这样总价值最大。但是如果上述给出的条件很多，此时我们光靠用眼睛看是绝对不行的，所以我们要用上动态规划的思想。

关于动态规划的思想是如何建立的，若初学者对动态规划还是很迷惑的，可以打开下面的文章链接。

 

 

    动态规划的基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。

 

    由于动态规划解决的问题多数有重叠子问题这个特点，为减少重复计算，对每一个子问题只解一次，将其不同阶段的不同状态保存在一个二维数组中。

 

与分治法最大的差别是：适合于用动态规划法求解的问题，经分解后得到的子问题往往不是互相独立的（即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解）。

 

我们以01背包为例子：

思路：先将原始问题一般化，欲求背包能够获得的总价值，即欲求前i个物体放入容量为m（kg）背包的最大价值c[i][m]——使用一个数组来存储最大价值。而前i个物体放入容量为m（kg）的背包，又可以转化成前(i-1)个物体放入背包的问题。下面使用数学表达式描述它们两者之间的具体关系。

表达式中各个符号的具体含义。

 

　　w[i] : 第i个物体的重量；

 

　　p[i] : 第i个物体的价值；

 

　　c[i][m] ：前i个物体放入容量为m的背包的最大价值；

 

　　c[i-1][m] ：前i-1个物体放入容量为m的背包的最大价值；

 

　　c[i-1][m-w[i]] ： 前i-1个物体放入容量为m-w[i]的背包的最大价值；

 

　　由此可得：

 

　　　　　　c[i][m]=max{c[i-1][m-w[i]]+pi , c[i-1][m]}（此时用到递归）

引用网上的一个图更能说明情况：

 

问题分析：令V(i,j)表示在前i(1<=i<=n)个物品中能够装入容量为就j(1<=j<=C)的背包中的物品的最大价值，则可以得到如下的动态规划函数:

 

(1)   V(i,0)=V(0,j)=0

 

(2)   V(i,j)=V(i-1,j)  j<wi 

 

       V(i,j)=max{V(i-1,j) ,V(i-1,j-wi)+vi) }j>wi

 

(1)式表明：如果第i个物品的重量大于背包的容量，则装人前i个物品得到的最大价值和装入前i-1个物品得到的最大价是相同的，即物品i不能装入背包；第(2)个式子表明:如果第i个物品的重量小于背包的容量，则会有一下两种情况：(a)如果把第i个物品装入背包，则背包物品的价值等于第i-1个物品装入容量位j-wi 的背包中的价值加上第i个物品的价值vi; (b)如果第i个物品没有装入背包，则背包中物品价值就等于把前i-1个物品装入容量为j的背包中所取得的价值。显然，取二者中价值最大的作为把前i个物品装入容量为j的背包中的最优解。

 

 

【解法一】

• 
  

解题分析：

    用普通的递归方法，对每个物品是否放入背包进行搜索

程序实现:

C++

[cpp]  view plain copy #include <stdio.h>   #include <tchar.h>   #include <queue>   #include "iostream"       using namespace std;       const int N = 4;   const int W = 5;   int weight[N] = {2, 1, 3, 2};   int value[N] = {3, 2, 4, 2};   int solve(int i, int residue)    {   int result = 0;   if(i >= N)   return result;   if(weight[i] > residue)   result = solve(i+1, residue);   else    {   result = max(solve(i+1, residue), solve(i+1, residue-weight[i]) + value[i]);   }       }       int main() {   int result = solve(0, W);   cout << result << endl;   return 0;   }

 

【解法二】

解题分析：

    用记录结果再利用的动态规划的方法，上面用递归的方法有很多重复的计算，效率不高。我们可以记录每一次的计算结果，下次要用时再直接去取，以提高效率

程序实现:

C++

[cpp]  view plain copy #include <stdio.h>   #include <tchar.h>   #include <queue>   #include "iostream"      using namespace std;      const int N = 4;   const int W = 5;   int weight[N] = {2, 1, 3, 2};   int value[N] = {3, 2, 4, 2};   int record[N][W];   void init()   {       for(int i = 0; i < N; i ++)       {           for(int j = 0; j < W; j ++)            {               record[i][j] = -1;           }       }   }      int solve(int i, int residue)    {       if(-1 != record[i][residue])           return record[i][residue];       int result = 0;       if(i >= N)           return result;       if(weight[i] > residue)       {           record[i + 1][residue] = solve(i+1, residue);                  }       else        {           result = max(solve(i+1, residue), solve(i+1, residue-weight[i]) + value[i]);       }       return record[i + 1][residue] = result;   }      int main() {       init();       int result = solve(0, W);       cout << result << endl;       return 0;   }

问题描述：

    给定n种物品和一背包。物品i的重量是wi，其价值为vi，背包的容量为C。问应如何选择装入背包的物品，使得装

入背包中物品的总价值最大?

    对于一种物品，要么装入背包，要么不装。所以对于一种物品的装入状态可以取0和1.我们设物品i的装入状态为xi,xi∈ (0,1)，此问题称为0-11背包问题。

     形式化描述：给定c >0, wi >0, vi >0 , 1≤i≤n.要求找一n元向量(x1,x2,…,xn,), xi∈{0,1}, ∋ ∑ wi xi≤c,且∑ vi xi达最大.即一个特殊的整数规划问题。

       2、最优性原理：

     设(y1,y2,…,yn)是 (3.4.1)的一个最优解.则(y2,…,yn)是下面相应子问题的一个最优解:

     证明:使用反证法。若不然,设(z2,z3,…,zn)是上述子问题的一个最优解,而(y2,y3,…,yn)不是它的最优解。显然有

                                    ∑vizi > ∑viyi   (i=2,…,n)

     且                           w1y1+ ∑wizi<= c

     因此                       v1y1+ ∑vizi (i=2,…,n) > ∑ viyi, (i=1,…,n) 

     说明(y1,z2, z3,…,zn)是(3.4.1)0-1背包问题的一个更优解,导出(y1,y2,…,yn)不是背包问题的最优解,矛盾。

       3、递推关系：

    设所给0-1背包问题的子问题

     

     的最优值为m(i，j)，即m(i，j)是背包容量为j，可选择物品为i，i+1，…，n时0-1背包问题的最优值。由0-1背包问题的最优子结构性质，可以建立计算m(i，j)的递归式:

     注:(3.4.3)式此时背包容量为j，可选择物品为i。此时在对xi作出决策之后,问题处于两种状态之一:

    (1)背包剩余容量是j,没产生任何效益；

    (2)剩余容量j-wi,效益值增长了vi ；

 

 

这里做个备注吧，我在思考这个问题的时候遇到的困难。

int jMax=min(w[n]-1,c);找出w[n]-1和 c之间的较小者。因为当总重量小于当前物品的重量时候，不能放，
//所以这里挑选出哪几个格子不能放，在下面的for循环中就将其置零。
for(int j=0;j<=jMax;j++) m[n][j]=0;表示第n个物品不选 那么所以价值为0
for(int j=w[n];j<=c;j++) m[n][j]=v[n];//接着当总重量，大于等于w[n]的时候们可以放了，表示选择了第n个物品，所以价值为v[n]

for(int i=n-1;i>1;i--){
jMax=min(w[i]-1,c);
for(int j=0;j<=jMax;j++) m[i][j]=m[i+1][j];
for(int j=w[i];j<=c;j++) m[i][j]=max(m[i+1][j],m[i+1][j-w[i]]+v[i]);
}

这里重点解释下，下面的两个for循环中的东西
第一个：
m(i,j)=m(i+1,j);
这是因为当前物品重量已经大于总重量，直接不放，所以当前i物品的最优解是 已经放了的 i+1物品的最优解

接着这句：

m(i,j)=max(m(i+1,j),m(i+1,j-w[i])+v[i]);

这时候，当前物品的重量还是小于总重量，但是我不确定是放好还是不放好。
第i+1个物品时的选择得到的最优解是已经知道的，这里从第n个物品开始放起，接着放第n-1，一直递减。直到第一个。
这时，动态规划，就是说哪个好我就选哪个，用max求出里面哪种选择更好。
解释下第一个
m(i+1,j)
这时，是可以放入，但是我不放，我现在的最优解就是上一个考虑i+1物品时的最优解
m(i+1,j-w[i])+v[i]
这时，是可以放入，我就放吧。那如果我现在肯定要放了，之前i+1的时候，背包总重量就是 j-w[i] 了，因为那时的容量会因为现在的决定受影响，
所以上次放的时候最优解是 m(i+1,j-w[i])  然后加上这次肯定要放的 v[i]  就是第 i 次的最优解。

最后用max选择一个大的。


“将前i件物品放入容量为C的背包中” 这个子问题，若只考虑第i件物品的策略（即是放或者不放），
那么可以讲背包问题转化为一个只牵扯前i-1件物品的问题。如果因为第i件物品的容量大于总容量
C，那么不放第i件物品，问题转化为“前i-1件物品放入容量为C的背包中”，即是 m(i,C)=m(i-1,C);

如果容量允许，那么放入第i件物品，但是我现在不知道是放了好还是不放好，所以又有两种情况
要我最后选择，选择一个大的。

1、如果可以放，但是我不放，得到：m(i,C)=m(i-1,C);

2、如果可以放，我放了，那倒着推一下，问题转化为：“前i-1件物品放入剩下的容量为 C-w[i] 的
背包中”，因为我已经确定放了，那么放第i-1件物品的时候容量就少了即是 C-w[i]，最优值也改变，
这次的结果会对之前的产生影响，这时的最大价值是 m(i-1,C-w[i])+v[i] ,v[i]是放入物品i的价值

一个正着来的，一个倒着来的，你看哪个容易理解选哪个，我开始想不通这个，哈哈，其实都是一样。

代码来了：

    #include<stdio.h>  
    #include<stdlib.h>  
    #include<iostream>  
    #include<queue>  
    #include<climits>  
    #include<cstring>  
    using namespace std;  
    const int c = 10;             //背包的容量  
    const int w[] = {0,2,2,6,5,4};//物品的重量，其中0号位置不使用 。   
    const int v[] = {0,6,3,5,4,6};//物品对应的待加，0号位置置为空。  
    const int n = sizeof(w)/sizeof(w[0]) - 1 ; //n为物品的个数   
    int x[n+1];  
    void package0_1(int m[][11],const int w[],const int v[],const int n)//n代表物品的个数   
    {  
        //采用从底到顶的顺序来设置m[i][j]的值  
        //首先放w[n]  
        for(int j = 0; j <= c; j++)  
           if(j < w[n]) m[n][j] = 0;     //j小于w[n],所对应的值设为0，否则就为可以放置   
           else         m[n][j] = v[n];  
             
        //对剩下的n-1个物品进行放置。  
        int i;  
        for(i = n-1; i >= 1; i--)  
            for(int j = 0; j <= c; j++)  
               if(j < w[i])   
                            m[i][j] = m[i+1][j];//如果j < w[i]则，当前位置就不能放置，它等于上一个位置的值。  
                                                //否则，就比较到底是放置之后的值大，还是不放置的值大，选择其中较大者。              
               else         m[i][j] = m[i+1][j] > m[i+1][j-w[i]] + v[i]?   
                                      m[i+1][j] : m[i+1][j-w[i]] + v[i];    
    }  
    void answer(int m[][11],const int n)  
    {  
        int j = c;  
        int i;  
        for(i = 1; i <= n-1; i++)  
            if(m[i][j] == m[i+1][j]) x[i] = 0;  
            else                    {   
                                     x[i] = 1;  
                                     j = j - w[i];  
                                     }      
        x[n] = m[i][j] ? 1 : 0;   
    }  
    int main()  
    {  
     int m[6][11]={0};  
       
     package0_1(m,w,v,n);  
     for(int i = 0; i <= 5; i++)  
     {  
         for(int j = 0; j <= 10; j++)  
         printf("%2d ",m[i][j]);  
         cout << endl;   
     }   
     answer(m,n);  
     cout << "The best answer is:\n";  
     for(int i = 1; i <= 5; i++)  
     cout << x[i] << " ";  
     system("pause");  
     return 0;  
    }